Графики влияния различных показателей на цену квартиры

#Влияет ли количество комнат на цену? (сразу добавим hue=ремонт)
fig,ax = plt.subplots()
sns.scatterplot(data=df_msk, x='Цена', y='Количество комнат', hue='Ремонт', palette='Set1', alpha=0.7, s=50, ax=ax)

<Axes: xlabel='Цена', ylabel='Количество комнат'>

#Влияние метро на цену (явно имеется)
figure = plt.subplots(figsize=(12,60))
sns.barplot(data=df_msk, x='Цена', y='Метро', orient='h', label='Area vs price', color='#3632a8')
plt.legend()

<matplotlib.legend.Legend at 0x7fc156428da0>

#Влияние улицы на цену
df_add = df_msk.groupby('Адрес')['Цена'].mean().reset_index()
df_add

fig, ax = plt.subplots(figsize=(12, 70))
sns.barplot(data=df_add, x='Цена', y='Адрес', orient='h', ax=ax)

<Axes: xlabel='Цена', ylabel='Адрес'>

#Влияние дома на цену
fig, ax = plt.subplots(figsize=(10, 10))
sns.barplot(data=df_msk, x='Цена', y='Тип дома', ax=ax)

<Axes: xlabel='Цена', ylabel='Тип дома'>

df_msk.dtypes #чтобы проще было графики строить, ориентируясь на type

index                   int64
ID  объявления          int64
Количество комнат       int64
Метро                  object
Адрес                  object
Парковка               object
Ремонт                 object
Балкон                  int64
Окна                   object
Дополнительно          object
Высота потолков, м    float64
Мусоропровод           object
Площадь общая, м2     float64
Лоджия                  int64
Санузел разд.           int64
Санузел совм.           int64
Тип дома               object
Этажи                   int64
Этаж квартиры           int64
Лифт груз.              int64
Лифт пасс.              int64
Цена                  float64
dtype: object

#Влияние парковки на цену
df_msk['Парковка'].unique()
figure = plt.subplots()
sns.barplot(data=df_msk, x='Цена', y='Парковка', color='#7932a8')

<Axes: xlabel='Цена', ylabel='Парковка'>

#Влияние балконов на цену
figure = plt.subplots(figsize=(18,6), dpi=150)
sns.scatterplot(data=df_msk, x='Цена', y='Балкон', hue='Окна', size='Лоджия', palette='Set2')

<Axes: xlabel='Цена', ylabel='Балкон'>

#Влияние дополнительные удобств на цену 
figure = plt.subplots()
sns.lineplot(data=df_msk, x='Дополнительно', y='Цена', color='#81d43d')

<Axes: xlabel='Дополнительно', ylabel='Цена'>

#Влияние высоты потолков на цену 
figure = plt.subplots(figsize=(12,12))
sns.scatterplot(data=df_msk, x='Высота потолков, м', y='Цена', label='Высота потолков')
plt.xticks(rotation=90)
plt.legend()

<matplotlib.legend.Legend at 0x7fc14fb652b0>

#Влияние наличия мусоропровода на цену   (более старые квартиры имеют мусоропровод - отсюда цена ниже)
figure = plt.subplots()
sns.barplot(data=df_msk, x='Цена', y='Мусоропровод', orient='h')

<Axes: xlabel='Цена', ylabel='Мусоропровод'>

#Влияние площади общей, площади жилой и площади кухни
figure = plt.subplots(figsize=(12,6))
sns.scatterplot(data=df_msk, x='Площадь общая, м2', y='Цена', hue='Тип дома', palette='Set2')

<Axes: xlabel='Площадь общая, м2', ylabel='Цена'>

#Зависимость цены от санузлов
figure = plt.subplots(figsize=(14,8))
sns.lineplot(data=df_msk, x='Санузел совм.', y='Цена', hue='Санузел разд.', palette='Set3', linewidth=4)

<Axes: xlabel='Санузел совм.', ylabel='Цена'>

#Влияние лифтов на цену
f, (ax1, ax2) = plt.subplots(2, 1, figsize=(8, 8), sharex=True)
sns.barplot(x='Лифт пасс.',y='Цена', data=df_msk, label='Пассажирский', ax=ax1, color='green')
sns.barplot(x='Лифт груз.',y='Цена', data=df_msk, label='Грузовой', ax=ax2, color='grey')
ax2.set_xlabel('Лифты')
ax2.axhline(0, color="k", clip_on=False)

<matplotlib.lines.Line2D at 0x7fc142f230b0>

#Влияние числовых признаков друг на друга через heatmap
num_cols = df_msk.select_dtypes(include=['number']).columns    #только числовые из всех
figure = plt.subplots(figsize=(10,8))
sns.heatmap(df_msk[num_cols].corr(), annot=True, cmap='plasma', linewidth=0.5)
plt.title('Влияние числовых значений друг на друга')

Text(0.5, 1.0, 'Влияние числовых значений друг на друга')